Linked Data(링크드 데이터)

현재 웹은 사람들에게 유용한 문서로 가득 차 있다. 좀 더 나은 웹이 되려면 자동화 과정을 통해 식별-확인-소비되어야 한다. 이를 위한 W3C의 접근 방법은 링크드 데이터이며, 이미 구글, 페이스북, IBM, 오라클, 정부기관에서 활용하고 있다. 링크드 데이터는 웹에서 자바스크립트나 파이썬 같은 잘 알려진 도구로 링크드 데이터를 사용하기 위한 실용적인 기술을 제공한다. 이 책은 HTTP URI, RDF, SPARQL 같은 기본 개념부터 복잡한 실무 예제까지 차근차근 이해하도록 돕는다. 그런 다음, 웹 애플리케이션과 매시업을 만들기 위한 다양한 링크드 데이터 문서 형식을 배울 수 있다.

이 책은 웹 개발자를 위한 책이며, 링크드 데이터나 시맨틱 웹에 관한 사전 지식이 없더라도 실무에 응용할 수 있도록 구성되었으며, 이 책의 주요 내용은 다음과 같다.

- 링크드 데이터의 검색과 활용

- 애플리케이션에 링크드 데이터 사용하기

- 표준 웹 기술을 이용해 링크드 데이터 애플리케이션 만들기



옮긴이 머리말

데이터가 화두인 시대다. '데이터'는 기존에 없던 새로운 현상을 설명하기 위한 개념이나 용어는 아니며, 현재도 일상적으로 사용하는 용어다. 최근 데이터에 대한 관심은 데이터 과학(Data Science)이라는 전문 영역을 구축하기에 이르렀고, 데이터를 기반으로 한 데이터 기반 경제(Data Economy)에 관한 논의가 세계적으로 이루어지고 있다.

빅 데이터, 링크드 데이터, 오픈 데이터 등은 데이터 시대를 대표하는 용어다. 이 용어의 의미와 방향성은 다르지만, 기본적으로 관통하는 핵심가치는 가공하지 않은 데이터와 기계가 이해하고 처리할 수 있는 데이터 생태계다.

링크드 데이터를 한마디로 정의한다면 웹을 데이터베이스처럼 활용하는 것이라고 볼 수 있다. 이미 웹은 거대한 정보 생태계다. 세상의 모든 지식이 웹에 있다고 해도 과언이 아니다. 이러한 웹에 링크드 데이터는 기계가 처리할 수 있는 형식의 데이터 계층을 만들어 누구나 자유롭게 데이터를 활용하도록 돕는다.

지금의 웹을 있게 한 핵심 기술인 HTTP, RDF, URI가 링크드 데이터에서도 핵심 기술이다. 이 기술을 통해 사람의 이해와 활용을 전제한 문서 중심의 웹(Web of Documents)은 기계가 사람처럼 이해하고 자동 처리할 수 있는 데이터 중심의 웹(Web of ata)으로 발전할 수 있다.



[추천사]

? 팀 버너스리

이 책은 링크드 데이터 기술에 관한 내용을 담고 있으며, 주로 웹에 적합한 데이터 발행과 사용에 관해서 설명하고 있다. 링크드 데이터는 초창기 웹에 대해서 그렸던 나의 비전 중 일부이며, 웹의 미래에 있어서 중요한 부분이다. 웹은 읽기에 적합하게 하이퍼링크된 문서로 발전해왔지만, 이런 형태의 웹은 데이터로 사용되기에는 효과적이지 않다.

사실 대부분의 웹은 데이터 기반이지만, 실제 데이터는 서버 내부 파일에 숨어 있다. 나는 1994년 월드 와이드 웹 컨소시엄의 첫 번째 콘퍼런스 마무리 연설에서 부동산 권리 증서를 사례로 들어, 데이터 웹의 중요성을 설명했다. 부동산 권리 증서와 같은 문서는 부동산 소유권 정보를 전달할 수 있다. 현재 웹에서 사람과 사물을 설명하는 모든 문서도 마찬가지이지만, 이런 문서 형태가 기계 처리가 가능한 데이터를 제공하지는 않는다.

웹의 진화에 따라 데이터 주도의 웹도 발전하고 있지만, 사용자에게는 데이터가 노출되지 않고 있다. 링크드 데이터 표준은 사람이 읽을 수 있고 기계가 처리할 수 있는 형태로 데이터를 발행할 수 있게 하며, 데이터 이면에 숨겨진 흐름을 시스템이 처리할 수 있게 한다. 링크드 데이터는 읽기에 중심을 두고 있는 하이퍼텍스트 중심의 웹보다 흥미롭지 않을 수 있지만, 비즈니스 영역부터 과학 연구까지 모든 부문에서 효과적으로 작동한다는 점에서 더 흥미롭다. 기계는 링크드 데이터를 읽고-추적-조합할 수 있어, 서로 다른 형태의 데이터를 결합해 작업하는 것보다 더 효과적으로 작업을 수행할 수 있다. 이전에 기계의 역할은 사람의 소통을 위한 기술 영역에서 사람을 돕는 역할에 한정되어 있었다. 현재 기계는 소통에 있어 적극적인 참여자로 변화하고 있고, 링크드 데이터는 기계를 더 유용한 파트너로 만들고 있다.

링크드 데이터는 최근 몇 년 동안 두각을 나타내고 있다. 최근 구글은 지식 그래프(Knowledge Graph), Gmail의 JSON-LD 직렬화 형식 채택, schema.org에서 사용할 수 있는 용어집 생산을 발표했다. 또한, IBM은 DB2 데이터베이스가 링크드 데이터 서버가 될 것이라고 발표했고, 페이스북은 Graph API를 통해 Linked Data를 노출하고 있다. 다른 대기업과 정부기관도 이런 흐름에 동참하고 있다. 우리는 이 책처럼 링크드 데이터 개발을 더 많은 개발자에게 소개할 필요가 있다.

이 책은 링크드 데이터에 관한 궁금증에 해답을 줄 수 있다. 물론 모든 질문에 답을 주지 못할 수 있지만, 링크드 데이터에 관한 공부와 개발을 시작하는 데 적합하다.

나는 데이브 우드(Dave Wood)를 오랫동안 알아 왔다. 우리는 데이브가 월드 와이드 웹 컨소시엄에서 일을 시작할 때 만났고, 웹 연구 프로젝트를 함께 했다. 데이브는 1990년대 후반부터 시맨틱 웹과 링크드 데이터 프레임워크 개발을 위해 열심히 일해왔고, 개발자로서 시맨틱 웹과 링크드 데이터가 어떻게 작동하는지 잘 알려줄 수 있다.

링크드 데이터의 구성 요소는 특별히 새롭지 않다. 1989년 CERN 재직 시 작성했던 웹에 관한 제안은 의미적 하이퍼링크를 포함하고 있었다. 당시 제안 일부를 그대로 인용하면, "우리가 필요로 하는 시스템은 원과 화살표로 구성된 다이어그램과 같다. 원과 화살표는 어떤 것이든 상징할 수 있다"는 것이다. 내가 1980년에 만든 인콰이어 프로그램(Enquire program)은 그래프 내에서 사물 사이의 관계를 포착했다. 이것은 비전이었다. 지금은 링크드 데이터를 통해 컴퓨터가 의미를 처리할 수 있어, 이 비전이 더 가까워졌다.

하이퍼텍스트 웹에서 화살표의 끝부분은 "여기에 흥미로운 정보가 있어!"를 표시한다. 링크드 데이터는 URI로 명명할 수 있는 것은 무엇이든 화살표로 표시할 수 있어 "문서 중심의 웹"(document Web)을 더 넓게 만든다. 하이퍼링크는 의미를 가지며, 더 유용해진다. 하이퍼텍스트 링크드 문서 중심의 웹은 아주 강력한 데이터의 링크드 웹(Linked Web of Data)에 의해서 보완된다. 왜 연결인가? 웹 페이지의 가치는 웹 페이지 정보의 고유한 가치뿐만 아니라 그 페이지가 무엇을 링크하고 있는지도 중요하다. 이는 링크드 데이터의 시맨틱 웹에서도 마찬가지다. 어쩌면 더 중요할지도 모른다. 데이터 자체가 가치 있지만, 다른 데이터에 연결된 링크는 데이터를 더 가치 있게 만든다.

나는 웹이 우리의 국적-언어-경제적 동기와 이익에 상관없이 우리 모두를 위해서 봉사할 수 있도록 진화할 것이라고 믿는다. 링크드 데이터는 이런 웹의 진화 중 한 부분이다. 링크드 데이터가 진화의 끝은 아니고, 또 다른 시작이라고 볼 수 있다. 아직 해야 할 일이 많이 남아 있다. 차세대 웹을 만드는 데 동참해 주길 바란다!

1부 링크드 데이터 웹

1. 링크드 데이터의 소개

1.1 링크드 데이터의 정의

1.2 링크드 데이터가 해주지 않는 것

1.3 링크드 데이터의 실제

1.3.1 데이터 개방

1.3.2 구글 리치 스니펫과 페이스북 좋아요의 링크드 데이터

1.3.3 BBC의 위기 탈출을 위한 링크드 데이터

1.4 링크드 데이터의 원칙

1.4.1 원칙 1: 사물 이름으로 URI를 사용하라

1.4.2 원칙 2: 사람들이 이름을 찾아볼 수 있도록 HTTP URI를 사용하라

1.4.3 원칙 3: 누군가 URI를 찾을 때 유용한 정보를 제공하라

1.4.4 원칙 4: 다른 URI에 대한 링크를 포함하라

1.5 링킹 오픈 데이터 프로젝트

1.6 데이터 기술하기

1.7 RDF: 링크드 데이터를 위한 데이터 모델

1.8 링크드 데이터 애플리케이션의 구조

1.8.1 시설의 링크드 데이터에 접근하기

1.8.2 링크드 데이터로부터 사용자 인터페이스 생성하기

1.9 요약

2. RDF: 링크드 데이터를 위한 데이터 모델

2.1 링크드 데이터 원칙의 RDF 확장

2.2 RDF 데이터 모델

2.2.1 트리플

2.2.2 공백 노드

2.2.3 클래스

2.2.4 타입을 갖는 리터럴

2.3 RDF 어휘

2.3.1 널리 사용하는 어휘

2.3.2 자신의 어휘 만들기

2.4 링크드 데이터 관련 RDF 형식

2.4.1 Turtle - 사람이 읽을 수 있는 RDF

2.4.2 RDF/XML ? 엔터프라이즈를 위한 RDF

2.4.3 RDFa - HTML 내 RDF

2.4.4 JSON-LD - 자바스크립트 개발자를 위한 RDF

2.5 웹 서버와 발행한 링크드 데이터의 문제

2.6 파일 타입과 웹 서버

2.6.1 아파치를 설정할 수 있는 경우

2.7 아파치 조작이 제한된 경우

2.8 링크드 데이터 플랫폼

2.9 요약

3. 링크드 데이터 사용하기

3.1 웹처럼 생각하기

3.2 링크드 데이터 사용 방법

3.3 분산된 링크드 데이터를 찾기 위한 도구

3.3.1 신디체

3.3.2 SameAs.org

3.3.3 데이터 허브

3.4 링크드 데이터 수집

3.4.1 알려진 데이터세트에서 일부 링크드 데이터 수집하기

3.4.2 브라우저 플러그인을 이용해 웹 페이지에서 링크드 데이터와 RDF 얻기

3.5 링크드 데이터 웹의 크롤링과 데이터 수집

3.5.1 링크드 데이터 웹의 크롤링을 위한 파이썬 사용

3.5.2 수집한 RDF로 HTML 출력 생성

3.6 요약



2부 링크드 데이터 정복하기

4. FOAF를 이용해 링크드 데이터 만들기

4.1 개인 FOAF 프로필 만들기

4.1.1 FOAF 어휘 소개

4.1.2 방법 1: 기본 FOAF 프로파일의 수동 생성

4.1.3 기본 FOAF 프로파일 확장하기

4.1.4 방법 2: FOAF 프로필의 자동 생성

4.2 FOAF 프로필에 더 많은 정보 추가하기

4.3 FOAF 프로필 발행하기

4.4 FOAF 프로필의 시각화

4.5 애플리케이션: 사용자 어휘를 사용해 RDF 문서 연결하기

4.5.1 위시리스트 어휘 만들기

4.5.2 위시리스트 문서를 만들고, 발행하고, 연결하기

4.5.3 위시리스트 문서에 위시리스트 상품 추가하기

4.5.4 북마클릿 도구에 관한 설명

4.6 요약

5. SPARQL ? 링크드 데이터 웹 질의하기

5.1 기본 SPARQL 질의 소개

5.2 SPARQL을 이용한 일반 RDF 파일 질의하기

5.2.1 하나의 RDF 데이터 파일 질의하기

5.2.2 여러 RDF 파일 질의하기

5.2.3 웹에서 RDF 파일 질의하기

5.3 SPARQL 엔드포인트에 질의하기

5.4 SPARQL 질의 유형

5.4.1 SELECT 질의

5.4.2 ASK 질의

5.4.3 DESCRIBE 질의

5.4.4 CONSTRUCT 질의

5.4.5 SPARQL 1.1 업데이트

5.5 SPARQL 결과 형식(XML, JSON)

5.6 SPARQL 질의로 웹 페이지 만들기

5.6.1 SPARQL 질의 만들기

5.6.2 HTML 페이지 만들기

5.6.3 표를 위한 자바스크립트 만들기

5.6.4 지도를 위한 자바스크립트 만들기

5.7 요약



3부 실제의 링크드 데이터

6. 검색엔진으로부터 결과 향상시키기

6.1 RDFa 삽입에 의한 HTML 향상

6.1.1 FOAF 어휘를 사용한 RDFa 마크업

6.1.2 RDFa와 함께 HTML span 속성 사용하기

6.1.3 FOAF를 이용해 향상된 HTML 문서에서 링크드 데이터 추출하기

6.2 GoodRelations 어휘집을 사용해 RDFa 삽입하기

6.2.1 GoodRelations 어휘집 소개

6.2.2 GoodRelations를 이용해 RDFa와 함께 HTML 향상시키기

6.2.3 RDFa GoodRelations 선택 자세히 살펴보기

6.2.4 GoodRelations를 사용해 향상된 HTML 문서에서 링크드 데이터 추출하기

6.3 schema.org 어휘를 사용해 RDFa 삽입하기

6.3.1 schema.org의 개요

6.3.2 schema.org를 사용해 RDFa Lite와 함께 HTML 향상시키기

6.3.3 schema.org를 사용해 RDFa Lite의 선택 자세히 살펴보기

6.3.4 schema.org로 향상된 HTML 문서에서 링크드 데이터 추출하기

6.4 schema.org와 GoodRelations 중 어떤 것을 선택할 것인가?

6.5 HTML에서 RDFa 추출하고 SPARQL 적용하기

6.6 요약

7. RDF 데이터베이스의 기초

7.1 RDF 데이터베이스의 분류

7.1.1 RDF 데이터베이스 시스템 선택하기

7.1.2 RDF 데이터베이스 대 RDBMS

7.1.3 RDF 데이터베이스 시스템의 장점

7.2 스프레드시트를 RDF로 변환하기

7.2.1 MS 엑셀의 기초 RDF 전환

7.2.2 MS 엑셀을 링크드 데이터로 변환하기

7.2.3 RDF 변환 도구 찾기

7.3 애플리케이션: RDF 데이터베이스에서 링크드 데이터 수집하기

7.3.1 처리 과정의 개요

7.3.2 데이터 출처를 통합하기 위한 파이썬 사용하기

7.3.3 결과 이해하기

7.4 요약

8. 데이터세트

8.1 프로젝트 기술하기

8.1.1 DOAP 프로파일 생성하기

8.1.2 DOAP 용어집 사용하기

8.2 VoID로 데이터세트 기록하기

8.2.1 VoID

8.2.2 VoID 파일 준비하기

8.3 사이트맵

8.3.1 비 시맨틱 사이트맵

8.3.2 시맨틱 사이트맵

8.3.3 웹 사이트가 발견되도록 만들기

8.4 다른 사람의 데이터에 연결하기

8.5 owl:sameAs를 활용한 데이터세트 인터링크 예제

8.6 Data Hub에 참여하기

8.7 데이터세트에 DB피디아에서 아웃링크 요청

8.8 요약



4부 배운 내용 다지기

9. 칼리마코스: 링크드 데이터 관리 시스템

9.1 칼리마코스 시작하기

9.2 RDF 클래스를 활용한 웹 페이지 생성

9.2.1 칼리마코스에 데이터 추가하기

9.2.2 칼리마코스에 OWL Class 설명하기

9.2.3 클래스와 칼리마코스 보기 템플릿에 연결하기

9.3 클래스 인스턴스 생성 및 편집

9.3.1 새 메모 만들기

9.3.2 메모를 위한 보기 템플릿 만들기

9.3.3 편집 템플릿 생성하기

9.4 애플리케이션: 다양한 데이터 소스로 웹 페이지 만들기

9.4.1 미국 환경보호국과 국립해양기상청에 링크드 데이터 질의하기와 만들기

9.4.2 응용 프로그램을 포함한 웹 페이지 만들기

9.4.3 링크드 데이터 보기와 탐색을 위한 JavaScript 작성

9.4.4 하나로 연결하기

9.5 요약

10. 링크드 데이터 발행 - 복습

10.1 데이터 준비

10.2 URI 생성

10.3 용어집 선택

10.4 용어집 만들기

10.5 다른 데이터세트와 인터링킹

10.6 데이터세트 발행하기

10.7 요약

11. 진화하는 웹

11.1 링크드 데이터와 시맨틱 웹의 관계

11.1.1 실제 성공사례

11.2 무엇을 보게 될 것인가

11.2.1 구글의 리치 스니펫 확장

11.2.2 디지털 책임과 투명성 법률 제정

11.2.3 광고시장에서의 영향

11.2.4 향상된 검색

11.2.5 대기업 참여

11.3 결론

부록 A. 개발 환경

부록 B. SPARQL 결과 형식

용어사전

David Wood